NIR在农业中的应用

在农业(Ye)领域应用范围广泛第一页，共八十页。在农业领域(Yu)的应用事例实验室常规分析——小麦、玉米、大豆、油菜、水稻等的品质分析（为农大小麦、玉米育种单位分析样品近万份）现场分析——粮食储藏、收购时的水分等成分的分析生产过程中的在线分析——中药葛根生产中的过程控制第二页，共八十页。大豆籽粒三遍建模：经典PLS算法

标准差：0.592相对标准差：1.402%决定(Ding)系数：96.35%平均绝对误差：0.438平均相对误差：1.050%

相关系数：0.974第三页，共八十页。42个大豆粉末三遍建模：经典(Dian)PLS算法

标准差：0.475相对标准差：1.142%决定系数：97.83%平均绝对误差:0.381平均相对误差：0.913%相关系数：0.979第四页，共八十页。30个小麦籽粒三遍建模：经典PLS算法标准差(Cha)：0.324相对标准差：2.055%决定系数：96.98%第五页，共八十页。30个小麦(Mai)粉末三遍建模：经典PLS算法

标准差：0.433相对标准差：2.746%决定系数：94.6%第六页，共八十页。35个(Ge)玉米籽粒一遍建模：经典算法标准差：0.454相对标准差：3.679%决定系数：88.46%第七页，共八十页。

近红外光谱分析技术在农(Nong)业中的几个例子（1-2）小麦粉末267蛋白散点图（1-1）小麦粉末66蛋白散点图第八页，共八十页。（1-3）小麦籽粒73蛋白(Bai)散点图第九页，共八十页。（1-5）玉米粉末(Mo)87脂肪散点图（1-4）玉米粉末89蛋白散点图

第十页，共八十页。（1-7）玉米粉末90赖氨酸散(San)点图（1-6）玉米粉末90淀粉散点图第十一页，共八十页。（1-9）大麦粉末67淀(Dian)粉散点图（1-8）大麦粉末156蛋白散点图第十二页，共八十页。（1-12）葛根粉(Fen)末49葛根素散点图第十三页，共八十页。（1-13）烟(Yan)草粉末模型的散点图第十四页，共八十页。98年66个小麦样品建模的预测结果从(Cong)2000多个小麦样品中挑选270个样品

建模的预测结果

（预测数据为2001年河南的7个小麦样品）样品号真实值预测值绝对误差相对误差（%）113.8415.481.6411.85213.7715.711.9414.06314.0115.401.399.92414.2315.821.5911.15514.1715.931.7612.44613.5715.211.6412.11713.7215.371.6512.00平均误差

1.6611.93样品号真实值预测值绝对误差相对误差（%）113.8413.64-0.201.47213.7714.180.412.95314.0113.70-0.312.24414.2314.04-0.191.34514.1714.430.261.81613.5713.33-0.241.74713.7213.53-0.191.41平均误差

0.261.8566个样品建模的预测结果

270个样品建模的预测结果

第十五页，共八十页。复(Fu)合样品局部回归模型与四类样品单独分别建立ＰＬＳ模型的预测效果──────────────────────────────

建模样品复合样品小麦玉米大豆大麦建模样品/p>

检验样品数371210７８相对误差（％）1.971.132.581.023.9

─────────────────────────

决定系数（Ｒ2）99.8799.2494.8297.9383.53第十六页，共八十页。化学值分析的标准差近红外光谱分析的相对标准差(%)成分分析员各分析员测定的相对标准差分析员之间的相对标准差总糖

1232.83.64.74.193.5

还原糖1233.65.06.34.963.3

生物碱12317.815.710.26.573.8

总氮1235.46.13.49.174.4

蛋白质1237.87.24.412.085.2近红外光谱分(Fen)析与化学分(Fen)析的精度比较

第十七页，共八十页。粉末样品建模预测籽粒样品在短波近红外仪的分析结(Jie)果：小麦（短波近红外透射光谱仪）

校正检验（预测）96个粉样所建模型预测27个籽粒样R2=94.24R2=65.6396个粉样+4个籽样所建模型预测23个籽样R2=93.25R2=90.5827个籽粒样所建模型（籽粒样预测籽粒样）R2=77R2=9096个粉末样所建模型（粉末样预测粉末样）

R2=94R2=92第十八页，共八十页。粉末样(Yang)品建模预测籽粒样(Yang)品在长波近红外仪的分析结果：小麦（长波近红外漫反射光谱）粉末66个籽粒27个校正检验（预测）66个粉样所建模型预测27个籽粒样R2=98.51R2=-16966个粉样+3个籽粒样模型预测24个籽粒样R2=96.18R2=64.1566个粉样+5个籽粒样模型预测22个籽粒样R2=96.26R2=72.3527个籽粒样所建模型（籽粒样预测籽粒样）R2=83R2=8866个粉样所建模型（粉末样预测粉末样）R2=98R2=98第十九页，共八十页。第二十页，共八十页。近红外(Wai)在葛根提取中运用的实图第二十一页，共八十页。现(Xian)场数据监控结果近红外在葛根提取中运用的实测数据第二十二页，共八十页。

红外光谱分析六种样品四种成分（短波近红外透射光谱法，本实验室数据）——————————————————————————————————————样品与成分

校正样品数

校正相关系数

校正标准差

校正平均相对误差_____________________________________________________________________大豆粗蛋白

74 0.991 0.319 0.627玉米粗蛋白

70 0.98 0.342 2.2高梁粗蛋白

63 0.981 0.270 1.892大麦粗蛋白

78 0.974 0.475 2.737水稻粗蛋白

50 0.938 0.468 20706小豆粗蛋白

46 0.962 0.274 0.956大豆粗脂肪

74 0.979 0.363 1.449玉米粗脂肪

66 0.988 0.318 5.513高梁总(Zong)淀粉

63 0.948 1.062 1.133玉米总淀粉

65 0.918 1.203 1.502小豆总淀粉

56 0.870 0.545 0.905高梁丹宁

70 0.920 0.196 13.783——————————————————————————————————第二十三页，共八十页。样品数含量范围均值相关系数SECRSEC%尼古丁1340.9-4.72.170.990.1446.58总糖1339.3-38.622.890.971.295.64还原糖1339.5-36.921.060.951.587.5总氮1371.5-2.92.020.9650.09454.68氯1330.1-20.40.950.10225.5蛋白质1377.6-15.110.230.950.5325.2磷1360.8-3.31.920.870.26513.8施木克值1350.7-42.350.9250.2811.9糖碱比1292.3-29.213.10.9062.8121.5表中:Sec:校正标准差RSEC：相对校正标准差（作者赵龙莲、严衍禄等1998年8月光谱(Pu)学与光谱(Pu)分析）

中长波近红外光谱漫反射旋转样品池测定烟草中的九种成分第二十四页，共八十页。第二十五页，共八十页。不同的近红外光谱方式分析深色样品(Pin)（烟草）——————————————————————————————————————分析组分

分析谱区(nm)光谱方式

光程

Ｒ

ＲＭＳＥＰ——————————————————————————————————————尼古丁

800-1100 透射光谱

2 9.2 1.1尼古丁

800-110 漫反射光谱

2 5.2 1.3尼古丁

800-110 漫反射光谱

87 0.3——————————————————————————————————————Ｒ：相关系数

ＲＭＳＥＰ：预测标准差

第二十六页，共八十页。长波近红外漫反射光谱分析混合肉骨粉中不(Bu)同来源组份——————————————————————————混合肉骨粉中不同来源的组份 决定系数 SECV RPD——————————————————————————牛羊肉骨源粉

0.91 4.18% 3.32鸡源肉骨粉 0.94 8.76% 4.18猪源肉骨粉 0.94 8.89% 4.26牛源肉骨粉 0.76 5.77% 2.18羊源肉骨粉 0.57 7.20% 1.85——————————————————————————（数据来源：李琼飞）第二十七页，共八十页。不同的(De)近红外光谱方式分析混浊溶液（牛奶）———————————————————————————————————分析组分

分析谱区（nm)光程

Ｒ

ＲＭＳＥＰ

ＲＰＤ

———————————————————————————————————脂肪

1100-2500短光程

0.996 0.0714 10.8脂肪

700.1100 长光程

0.986 0.107 5.89

蛋白质

1100-2500短光程

0.990 0.0453 7.06蛋白质

700.1100 长光程

0.944 0.102 2.94

乳糖

1100-2500短光程

0.947 0.0602 2.86———————————————————————————————————Ｒ：相关系数

ＲＭＳＥＰ：预测标准差ＲＰＤ：相对标准差分析人：鲁超第二十八页，共八十页。近红外透射与(Yu)漫反射光谱分析籽粒样品的比较———————————————————————样品

近红外分析仪器

分析条件

阶数

决定系数

标准差————————————————————————————————————————小麦籽粒

光栅短波近红外、30mm光程

平移运动

4 95.54 0.448CCD检测器、透射光谱小麦籽粒

FT全谱近红外光谱仪(1) 旋转池

4 55.7 1.41 InGaAs检测器、

漫反射光谱小麦籽粒

同上

2号仪器

旋转池

4 81.95 0.88

大豆籽粒

光栅短波近红外、40mm光程

4 89.57 0.667

CCD检测器、透射光谱大豆籽粒

FT全谱近红外光谱仪(1) 旋转池

4 21.6 1.4 InGaAs检测器、

漫反射光谱大豆籽粒

同上

2号仪器

旋转池

4 82.67 1.02————————————————————————————————————————第二十九页，共八十页。不同数学处理方法消除果皮对(Dui)近红外光谱测定苹果硬度的影响（建摸校正样品112个、预测样品36个）----------------------------------------------------------------------------------------------------------

样品

数学处理 相关系数 预测标准差相对预测标准差(%)__________________________________________________________________________去皮苹果 无 0.837 0.886 12.36完整苹果 无 0.753 1.197 16.71完整苹果 MSC 0.755 1.17716.42完整苹果 1D 0.837 1.048 14.62 完整苹果 DOSC 0.814 1.015 14.6完整苹果 GA 0.811 0.965 13.46完整苹果 GA+DOSC 0.805 0.924 12.98____________________________________________表中：MSC:多元散射校正1D:一阶导数DOSC：直接正交信号校正GA：遗传算法第三十页，共八十页。近红外光谱分析建模服务有关材料（供参考）30种材料8种成份可测性标注（√：需用户提供标样可建模

／：需用户提供标样可建模，但效果稍差○：我们可以提供标样并建模）序号原材料蛋白质水份灰份脂肪纤维氨基酸类钙离子浓度总磷1木薯粉√√√√√√／／2木薯淀粉

√√

／／3面粉○√√○√√／／4小麦○○√○√√／／5小麦淀粉

√√

／／6小麦胚√√√√√√／／7小麦麸皮√√√√√√／／8玉米○√√√√√／／9玉米蛋白√√√

／／10脱脂大豆粉√√√

√√／／30种农业样品8种成分(Fen)近红外光谱的可测性（表1）第三十一页，共八十页。近红外光谱分析建模服务有关材料（供参考）30种材料8种成份可测性标注（√：需用户提供标样可建模

／：需用户提供标样可建模，但效果稍差○：我们可以提供标样并建模）11脱脂米糠√√√

√√／／12高粱√√√√√√／／13红鱼粉（蛋白65%）√√√√√√／

／14白鱼粉（蛋白68%）√√√√√√／／15鱼油

√

／／16啤酒酵母√√√√√√／／17海藻粉末√√√√√√／／18螺旋藻√√√√√√／／29a-马铃薯淀粉

√√√√√／／20b-马铃薯淀粉

√√√√√／／21磷虾粉√√√√√√／／22麸√√√√√√／／序号原材料蛋白质水份灰份脂肪纤维氨基酸类钙离子浓度总磷30种农业样品8种成分近红外光(Guang)谱的可测性（续表2）第三十二页，共八十页。

样品号23-30氯化胆碱（50%）、PI-蛋氨酸、硫酸铁（干燥）、碳酸盐、食盐、胭脂红(色素)、亮蓝(色素)、军绿(色素)：需用户提供标样，建纯度分(Fen)析的模型。

1、上述30种材料8种成份的可测性：其中1-22种农业样品适合做近红外分析；后2种无机盐类：碳酸盐、食盐难以用近红外分析；氯化胆碱、PI-蛋氨酸与3种色素需要分析的成份不明确，可以做纯度分析。2、各项目中：“√”为需用户提供标样（代表性60-80个化学值已知标样）可建模；“／”为需用户提供标样（代表性60-80个化学值已知标样）可建模，但效果稍差；“○”为我们可以提供标样并建模30种农业样品8种成分近红外光谱的可测性（续表3）第三十三页，共八十页。大米(Mi)分析第三十四页，共八十页。大(Da)豆第三十五页，共八十页。饲(Si)料第三十六页，共八十页。牛(Niu)奶第三十七页，共八十页。蛋黄(Huang)酱第三十八页，共八十页。干(Gan)酪第三十九页，共八十页。冰(Bing)激凌第四十页，共八十页。酱(Jiang)油第四十一页，共八十页。牛(Niu)奶第四十二页，共八十页。巧克(Ke)力第四十三页，共八十页。生(Sheng)肉第四十四页，共八十页。酸乳(Ru)酪第四十五页，共八十页。香(Xiang)肠第四十六页，共八十页。硬(Ying)干酪第四十七页，共八十页。鱼(Yu)粉第四十八页，共八十页。

总之近红外分析技术是一种“多、快、好、省”的分析技术。近红外光谱分析具有(You)解决全球农业分析的潜力第四十九页，共八十页。

产品近红外指纹图谱鉴别技(Ji)术

应用实例介绍例一液体奶鲜度识别例二蜂蜜掺入高果糖浆的鉴别例三甜荞、苦荞麦及其制品的鉴别例四食用油种类及纯度的鉴别例五花生大豆调和油组分的定量检测例六食用菌产品的鉴别例七螺旋藻制品品质的鉴别例八添加剂产品真伪鉴别第五十页，共八十页。例一液体奶鲜(Xian)度识别

图1鲜奶及复原奶的原始光谱图

材料：原奶、市售鲜奶、奶粉试样制备：按同一蛋白水平配制0-80%奶粉的液体奶。

第五十一页，共八十页。

A:巴氏鲜奶(Nai)

B:鲜牛奶C:A+还原奶D:B+还原奶

图2主因素分析图F1-F2图第五十二页，共八十页。例二蜂蜜掺入高果糖浆的(De)鉴别

图4蜂蜜和高果糖浆，原始光谱图。

。材料：参考蜜样、市售槐花蜜、高果糖浆试样制备：配制果糖含量不同的蜜样第五十三页，共八十页。图6市售各种品牌的杨槐蜜(Mi)的聚类鉴别

。

三个距离最远的样品为不同的高果糖浆上面一小部分为添加了部分糖浆的样品下面大部分样品为市售各种品牌的杨槐蜜，可以看出添加了高果糖浆的样品和纯杨槐蜜差别很明显第五十四页，共八十页。

图7添加不同含量高果糖(Tang)浆的相关曲线第五十五页，共八十页。

例(Li)三甜荞、苦荞麦及其制品的鉴别

图14甜荞、苦荞原始光谱图

试验材料：苦荞54个、甜荞14个、苦荞制品（12个)样品制备：保湿粉碎样品第五十六页，共八十页。

图15赋(Fu)值聚类结果

根据简单赋值获得的聚类分析结果苦荞（大堆54个）、甜荞（小堆14个）、外围分布（12个苦荞制品)第五十七页，共八十页。

图16根据黄酮含(Han)量聚类分析的结果（大堆苦荞、小堆甜荞）

第五十八页，共八十页。

例四食用油种类及(Ji)纯度的鉴别

图8多种食用油原始光谱图

第五十九页，共八十页。胡麻油棕榈油花生油调和油大豆油多种食(Shi)用油——聚类分析第六十页，共八十页。

芝麻油纯度的鉴(Jian)别图9大豆油、花生油、芝麻油的混合图谱(MEANCENTERANDMSC)

中心化处理加上平滑化处理

第六十一页，共八十页。

芝麻油纯度(Du)的鉴别

图10花生油图11花生油：芝麻油＝5：95第六十二页，共八十页。

芝(Zhi)麻油纯度的鉴别大豆和芝麻混合

大豆和芝麻混合

大豆和芝麻混合

图12大豆油图13大豆油：芝麻油＝5：9595第六十三页，共八十页。例五花生大豆调和油的定(Ding)量检